Искусственные нейроны помогут создать первый компьютерный мозг

Искусственный мозг можно создать уже сейчас

Наступила пора вычислений, вдохновлённых устройством мозга. Алгоритмы, использующие нейросети и глубинное обучение, имитирующее некоторые аспекты работы человеческого мозга, позволяет цифровым компьютерам достигать невероятных высот в переводе языков, поиске трудноуловимых закономерностей в огромных объёмах данных и выигрывать у людей в го.

Но пока инженеры продолжают активно развивать эту вычислительную стратегию, способную на многое, энергетическая эффективность цифровых вычислений подходит к своему пределу. Наши дата-центры и суперкомпьютеры уже потребляют мегаватты – 2% всего потребляемого электричества в США уходит на дата-центры.

А человеческий мозг прекрасно обходится 20 Вт, и это малая доля энергии, содержащейся в потребляемой ежедневно еде. Если мы хотим улучшать вычислительные системы, нам необходимо сделать компьютеры похожими на мозг.

Обратите внимание

С этой идей связан всплеск интереса к нейроморфным технологиям, обещающий вынести компьютеры за пределы простых нейросетей, по направлению к схемам, работающим как нейроны и синапсы. Разработка физических схем, похожих на мозг, уже довольно неплохо развита.

Проделанная в моей лаборатории и других учреждениях по всему миру работа за последние 35 лет привела к созданию искусственных нервных компонентов, похожих на синапсы и дендриты, реагирующие и вырабатывающие электрические сигналы почти так же, как настоящие.

Так что же требуется для того, чтобы интегрировать эти строительные блоки в полномасштабный компьютерный мозг? В 2013 году Бо Марр, мой бывший аспирант из Технологического института Джорджии помог мне оценить наилучшие современные достижения в инженерном деле и нейробиологии.

Мы пришли к выводу, что вполне возможно создать кремниевую версию коры человеческого мозга при помощи транзисторов. Более того, итоговая машина занимала бы меньше кубического метра в пространстве и потребляла бы менее 100 Вт, что не так уж сильно отличается от человеческого мозга. Я не хочу сказать, что создать такого компьютер будет легко.

Придуманная нами система потребует несколько миллиардов долларов на разработку и постройку, и для придания ей компактности в неё войдут несколько передовых инноваций. Также встаёт вопрос того, как мы будем программировать и обучать подобный компьютер.

Исследователи нейроморфизма пока ещё бьются над пониманием того, как заставить тысячи искусственных нейронов работать вместе и как найти полезные приложение для псевдомозговой активности.

И всё же тот факт, что мы можем придумать такую систему, говорит о том, что нам недолго осталось до появления чипов меньшего масштаба, пригодных для использования в портативной и носимой электронике.

Такие гаджеты будут потреблять мало энергии, поэтому нейроморфный чип с высокой энергоэффективностью – даже если он возьмёт на себя лишь часть вычислений, допустим, обработку сигналов – может стать революционным. Существующие возможности, такие, как распознавание речи, смогут работать в шумных условиях.

Можно даже представить себе смартфоны будущего, проводящие перевод речи в реальном времени в разговоре двух людей. Подумайте вот о чём: за 40 лет с момента появления интегральных схем для обработки сигналов, закон Мура улучшил их энергоэффективность примерно в 1000 раз.

Важно

Очень похожие на мозг нейроморфные чипы смогут с лёгкостью превзойти эти улучшения, уменьшив потребление энергии ещё в 100 млн раз. В результате вычисления, для которых раньше нужен был дата-центр, уместятся у вас на ладони.

В идеальной машине, приблизившейся к мозгу, нужно будет воссоздать аналоги всех основных функциональных компонентов мозга: синапсы, соединяющие нейроны и позволяющие им получать и реагировать на сигналы; дендриты, комбинирующие и проводящие локальные вычисления на базе входящих сигналов; ядро, или сома, регион каждого нейтрона, объединяющий вход с дендритов и передающий выход на аксон. Простейшие варианты этих основных компонентов уже реализованы в кремнии. Начало этой работе дал тот же самый металл-оксид-полупроводник, или MOSFET, миллиарды экземпляров которого используются для построения логических схем в современных цифровых процессорах. У этих устройств много общего с нейронами. Нейроны работают при помощи барьеров, управляемых напряжением, и их электрическая и химическая активность зависит в основном от каналов, в которых ионы двигаются между внутренним и наружным пространством клетки. Это гладкий, аналоговый процесс, в котором происходит постоянное накопление или уменьшение сигнала, вместо простых операций типа вкл/выкл. MOSFET тоже управляются напряжением и работают при помощи движений отдельных единиц заряда. А когда MOSFET работают в «подпороговом» режиме, не достигая порога напряжения, переключающего режимы вкл и выкл, количество текущего через устройство тока очень мало – менее одной тысячной того тока, что можно найти в типичных переключателях или цифровых затворах.

Идею о том, что физику подпороговых транзисторов можно использовать в создании мозгоподобных схем, высказал Карвер Мид из Калтеха, способствовавший революции в области сверхбольших интегральных схем в 1970-х. Мил указал на то, что разработчики чипов не пользовались многими интересными аспектами их поведения, применяя транзисторы исключительно для цифровой логики. Этот процесс, как писал он в 1990-м, похож на то, будто «всю прекрасную физику, существующую в транзисторах, сминают до нолей и единиц, а затем на этой основе мучительно строят затворы AND и OR, чтобы заново изобрести умножение». Более «физический» или основанный на физике компьютер мог бы выполнять больше вычислений на единицу энергии, чем обычный цифровой. Мид предсказал, что такой компьютер и места будет занимать меньше.

В последовавшие годы инженеры нейроморфных систем создали все базовые блоки мозга из кремния с высокой биологической точностью. Дендриты, аксон и сому нейрона можно сделать из стандартных транзисторов и других элементов.

К примеру, в 2005 году мы с Итаном Фаркухаром создали нейронную схему из набора из шести MOSFET и кучки конденсаторов. Наша модель выдавала электрически импульсы, очень похожие на то, что выдаёт сома нейронов кальмара – давнего объекта экспериментов.

Более того, наша схема достигла таких показателей с уровнями тока и потребления энергии близкими к существующим в мозгу кальмара.

Если бы мы захотели использовать аналоговые схемы для моделирования уравнений, выведенных нейробиологами для описания этого поведения, нам пришлось бы использовать в 10 раз больше транзисторов. Выполнение таких расчётов на цифровом компьютере потребовало бы ещё больше места.

Синапсы и сома: транзистор с плавающим затвором (слева вверху), способный хранить различное количество заряда, можно использовать для создания координатного массива искусственных синапсов (слева внизу).

Электронные версии других компонентов нейрона, типа сомы (справа), можно сделать из стандартных транзисторов и других компонентов. Синапсы эмулировать чуть сложнее.

Устройство, ведущее себя, как синапс, должно уметь запоминать, в каком состоянии оно находится, отвечать определённым образом на входящий сигнал и адаптировать свои ответы со временем.

К созданию синапсов есть несколько потенциальных подходов.

Совет

Наиболее развитый из них – обучающийся синапс на одном транзисторе (single-transistor learning synapse, STLS), над которым мы с коллегами в Калтехе работали в 1990-х, когда я была аспирантом у Мида.

Впервые мы представили STLS в 1994-м, и он стал важным инструментом для инженеров, создающих современные аналоговые схемы – к примеру, физические нейросети. В нейросетях у каждого узла сети есть связанный с ним вес, и эти веса определяют, как именно комбинируются данные с разных узлов.

STLS был первым устройством, способным содержать набор разных весов и перепрограммироваться на лету. Кроме того, устройство энергонезависимо, то есть запоминает своё состояния, даже когда не используется – это обстоятельство значительно уменьшает потребность в энергии.

STLS – это разновидность транзистора с плавающим затвором, устройства, используемого для создания ячеек в флэш-памяти. В обычном MOSFET затвор управляет проходящем через канал током. У транзистора с плавающим затвором есть второй затвор, между электрическим затвором и каналом. Этот затвор не соединён напрямую с землёй или любым другим компонентом.

Благодаря такой электроизоляции, усиленной высококачественными кремниевыми изоляторами, заряд долгое время сохраняется в плавающем затворе.

Этот затвор способен принимать разное количество заряда, в связи с чем может давать электрический отклик на многих уровнях – а это необходимо для создания искусственного синапса, способного варьировать свой ответ на стимул.

Мы с коллегами использовали STLS, чтобы продемонстрировать первую координатную сеть, вычислительную модель, пользующуюся популярностью у исследователей наноустройств. В двумерном массиве устройства находятся на пересечении линий ввода, идущих сверху вниз, и линий вывода, идущих слева направо.

Такая конфигурация полезна тем, что позволяет программировать соединительную силу каждого «синапса» отдельно, не мешая другим элементам массива.

Благодаря, в частности, недавней программе DARPA под названием SyNAPSE, в области инженерного нейроморфинга произошёл всплеск исследований искусственных синапсов, созданных из таких наноустройств, как мемристоры, резистивная память и память с изменением фазового состояния, а также устройства с плавающим затвором.

Обратите внимание

Но этим новым искусственным синапсам будет тяжело улучшаться на основе массивов с плавающим затвором двадцатилетней давности. Мемристоры и другие виды новой памяти сложно программировать. Архитектура некоторых из них такова, что обратиться к определённому устройству в координатном массиве довольно сложно. Другие требуют выделенного транзистора для программирования, что существенно увеличивает их размер. Поскольку память с плавающим затвором можно запрограммировать на большой спектр значений, её легче подстроить для компенсации производственных отклонений от устройства к устройству по сравнению с другими наноустройствами. Несколько исследовательских групп, изучавших нейроморфные устройства, пробовали внедрить наноустройства в свои разработки и в результате стали использовать устройства с плавающим затвором.

И как же мы совместим все эти мозгоподобные компоненты? В человеческом мозге нейроны и синапсы переплетены. Разработчики нейроморфных чипов тоже должны избрать интегрированный подход с размещением всех компонентов на одном чипе. Но во многих лабораториях такого не встретишь: чтобы с исследовательскими проектами было проще работать, отдельные базовые блоки размещаются в разных местах.

Синапсы могут быть размещены в массиве вне чипа. Соединения могут идти через другой чип, программируемую пользователем вентильную матрицу (FPGA). Но масштабируя нейроморфные системы, необходимо убедиться, что мы не копируем строение современных компьютеров, теряющих значительное количество энергии на передачу битов туда и сюда между логикой, памятью и хранилищем.

Сегодня компьютер легко может потреблять в 10 раз больше энергии на передвижение данных, чем на вычисления. Мозг же, наоборот, минимизирует энергетическое потребление коммуникаций благодаря высокой локализации операций. Элементы памяти мозга, такие, как сила синапсов, перемешана с передающими сигнал компонентами.

А «провода» мозга – дендриты и аксоны, передающие входящие сигналы и исходящие импульсы – обычно короткие по сравнению с размером мозга, и им не требуется много энергии для поддержания сигнала. Из анатомии мы знаем, что более 90% нейронов соединяются только с 1000 соседних.

Другой большой вопрос для создателей мозгоподобных чипов и компьютеров – алгоритмы, которые должны будут работать на них. Даже слабо похожая на мозг система может дать большое преимущество перед обычной цифровой.

К примеру, в 2004 году моя группа использовала устройства с плавающим затвором для выполнения умножения в обработке сигнала, и на это потребовалось в 1000 раз меньше энергии и в 100 раз меньше места, чем цифровой системе. За прошедшие годы исследователи успешно продемонстрировали нейроморфные подходы к другим видам вычислений для обработки сигналов.

Но мозг всё ещё остаётся в 100 000 раз эффективнее этих систем. Всё оттого, что хотя наши текущие нейроморфные технологии используют преимущества нейроноподобной физики транзисторов, они не используют алгоритмы подобные тем, что использует мозг для своей работы.

Важно

Сегодня мы только начинаем открывать эти физические алгоритмы – процессы, которые смогут позволить мозгоподобным чипам работать с эффективностью, близкой к мозговой. Четыре года назад моя группа использовала кремниевые сомы, синапсы и дендриты для работы ищущего слова алгоритма, распознававшего слова в аудиозаписи.

Этот алгоритм показал тысячекратное улучшение в энергоэффективности по сравнеию с аналоговой обработкой сигналов. В результате, уменьшая напряжение, подаваемое на чипы и используя транзисторы меньшего размера, исследователи должны создать чипы, сравнимые по эффективности с мозгом на многих типах вычислений.

Когда я 30 лет назад начинала исследования в области нейроморфизма, все верили в то, что разработка систем, похожих на мозг, даст нам удивительные возможности. И действительно, сейчас целые индустрии строятся вокруг ИИ и глубинного обучения, и эти приложения обещают полностью преобразовать наши мобильные устройства, финансовые учреждения и взаимодействие людей в общественных местах.

И всё же эти приложения очень мало полагаются на наши знания о работе мозга. В следующие 30 лет мы без сомнения сможем увидеть, как эти знания всё более активно используются. У нас уже есть множество основных аппаратных блоков, необходимых для преобразования нейробиологии в компьютер. Но мы должны ещё лучше понять, как эта аппаратура должна работать – и какие вычислительные схемы дадут наилучшие результаты.

Читайте также:  Сережки с ии для контроля здоровья

Считайте это призывом к действию. Мы достигли много, используя очень примерную модель работы мозга. Но нейробиология может привести нас к созданию более сложных мозгоподобных компьютеров. И что может быть лучше использования нашего с вами мозга для понимания того, как сделать эти новые компьютеры?

Источник: https://habr.com/post/405475/

Способы создания нейронных связей и обучение мозга человека — как вы мыслите, так вам и будет

Автор: Бернов Сергей

Волшебные деревья разума

В нашем мозгу 100 млрд. нейронов – это больше, чем звезд в нашей галактике! Каждая клетка в свою очередь может дать 200 тыс. ответвлений.

Таким образом, мозг имеет огромные ресурсы, чтоб хранить воспоминания объемом примерно за 3 млн. лет. Учёные называют это «волшебными деревьями разума», потому что нервные клетки мозга похожи на ветвистые деревья.

Мысленные электрические импульсы между нейронами передаются через синапсы – зоны контакта между нейронами. Средний нейрон человеческого мозга имеет от 1000 до 10000 синапсов или контактов с соседними нейронами. Синапсы имеют небольшую щель, которую должен преодолеть импульс.

Когда мы учимся, мы меняем работу мозга, прокладывая новые пути для мысленных электрических импульсов. При этом электрический сигнал должен «перепрыгнуть» через щель синапса для образования новых связей между нервными клетками.

Эту дорогу ему труднее всего пройти первый раз, но по мере обучения, когда сигнал преодолевает синапс снова и снова, связи становятся все «шире и прочнее», растет число синапсов и связей между нейронами. Образуются новые нейронные микросети, в которые и «встраиваются» новые знания: убеждения, привычки, модели поведения.

И тогда мы, наконец, чему-то научились. Эту способность мозга называют нейропластичностью.

Именно число микросетей в мозгу, а не его объем или масса, имеют определяющее влияние на то, что мы называем интеллект.

Попутно хочу заметить, что в раннем детстве, когда проходит самый интенсивный период обучения, для ребенка крайне важна богатая и разнообразная развивающая среда.

Совет

Нейропластика – это одно из самых удивительных открытий последних лет. Раньше считалось, что нервные клетки не восстанавливаются. Но в 1998 году группа американских ученых доказала, что нейрогенез происходит не только до 13-14 лет, но и всю нашу жизнь, и что у взрослых людей тоже могут появляться новые нервные клетки.

Они установили, что причиной уменьшения наших умственных способностей с возрастом является не отмирание нервных клеток, а истощение дендритов, — отростков нервных клеток, через которые проходят импульсы от нейрона к нейрону. Если дендриты постоянно не стимулировать, то они атрофируются, теряя способность к проводимости, словно мышцы без физической нагрузки.

Одни и те же ежедневные действия формируют шаблонное поведение — наши привычки, — при этом используются и укрепляются одни и те же нейронные связи. Так происходит встраивание нашего «автопилота», но при этом страдает гибкость нашего мышления.

Наш мозг нуждается в упражнениях.

Необходимо каждый день менять рутинные и шаблонные действия на новые, непривычные вам, которые задействуют несколько органов чувств; выполнять обычные действия необычным способом, решать новые проекты, стараясь уходить от «автопилота» привычных схем. Привычка ослабляет способности мозга. Для продуктивной работы ему нужны новые впечатления, новые задачи, новая информация, – одним словом – перемены.

До 1998 года считалось, что рост дендритов происходит только в раннем возрасте, но исследования доказали, что и у взрослых людей нейроны способны выращивать дендриты для компенсации потерянных старых. Доказано, что нейронные сети способны меняться в течение всей жизни человека и наш мозг хранит в себе огромные ресурсы нейропластичности – способности менять свою структуру.

Известно, что наш мозг состоит из эмбриональной ткани, то есть той, из которой состоит эмбрион. Поэтому он всегда открыт для развития, обучения и для будущего.

Мозг способен простой мыслью, воображением, визуализацией изменять структуру и функцию серого вещества. Ученые убеждаются, что это может происходить даже без внешних воздействий. Мозг может меняться под властью тех мыслей, которыми он наполнен, ум в силах влиять на мозг. Наш мозг создан природой с расчетом на обучение и подобные изменения.

Все вышесказанное подводит нас к пониманию того, что для реального достижения целей требуется фундаментальное изменение способа работы вашего мозга – преодоление генетической программы и прежнего воспитания со всеми многолетними убеждениями.

Обратите внимание

Вы не просто должны лелеять мысли в своем воображении, которые присутствуют не дольше новогоднего «все, больше не пью», а переучивать свой мозг, создавая новые нейронные структуры. Нейрологи говорят: «Нейроны, которые вместе сходятся, вместе и водятся».

Новые нейронные структуры вашего мозга будут создавать совершенно новые сети, «блок-схемы», приспособленные для решения новых задач.

Метафорически этот процесс можно иллюстрировать на следующем примере. Представьте, что ваш мозг с его ограничивающими убеждениями – это стакан с мутной водой. Если бы вы сразу выплеснули грязную воду, помыли стакан и набрали чистую – это был бы шок для всего организма. Но, подставив стакан по струю чистой воды, вы постепенно замените мутную.

Точно так же для обучения мозга новому образу мыслей нет нужды резко «стирать» старый. Необходимо постепенно «заливать» подсознание новыми позитивными убеждениями, привычками и качествами, которые в свою очередь будут генерировать эффективные решения, приводя вас к нужным результатам.

Для поддержания высокой работоспособности нашему мозгу, как и телу, необходима «физзарядка». Профессор нейробиологии Лоуренс Кац (США) разработал комплекс упражнений для мозга – нейробику, позволяющую нам иметь хорошую «ментальную» форму.

Упражнения нейробики обязательно используют все пять чувств человека — причем, необычным образом и в разных комбинациях. Это помогает создавать в мозгу новые нейронные связи.

При этом наш мозг начинает вырабатывать нейротропин, вещество, способствующее росту новых нервных клеток и связей между ними.

Ваша задача —каждый день менять привычные и шаблонные действия на новые, непривычные.

Цель упражнений нейробики — стимуляция мозга. Заниматься нейробикой просто — нужно сделать так, чтобы в процессе привычной деятельности по-новому были задействованы ваши органы чувств.

Например:

  • проснувшись утром, примите душ закрытыми глазами,
  • почистите зубы другой рукой,
  • постарайтесь одеться на ощупь,
  • отправьтесь на работу новым маршрутом,
  • сделайте привычные покупки в новом месте и еще много чего.

Это увлекательная и полезная игра.

Нейробика полезна абсолютно всем. Детям она поможет лучше концентрироваться и усваивать новые знания, а взрослым — поддерживать свой головной мозг в отличной форме и избежать ухудшения памяти.

Главный принцип нейробики — постоянно изменять простые шаблонные действия.

Давайте задание своему мозгу решать привычные задачи непривычным для него образом, и постепенно он отблагодарит вас прекрасной работоспособностью.

Итак, мы способны обучать свой мозг новому образу мышления. Начав менять свои шаблоны и убеждения, вы увидите, что меняясь изнутри, вы начнете менять все вокруг, словно порождая эффект расходящихся волн.

Помните: внешний Успех всегда есть производная от Успеха внутреннего.

Так создается новая «Матрица» вашего мышления, которая ведет вас к Переменам.

Источник

Источник: https://rodoswet.ru/sposoby-sozdaniya-nejronnyx-svyazej-i-obuchenie-mozga-cheloveka/

В ibm создали искусственные нейроны, копирующие мозг человека

Ученые из IBM спроектировали искусственный нейрон из материалов с изменяющимся фазовым состоянием, среди которых германий, теллур и сурьма. Искусственные нейроны, основанные на изменении фазового состояния, могут выполнять сложные расчеты и быстро обучаться, используя небольшое количество энергии, как человеческий мозг.

IBM самые приверженные сторонники когнитивных вычислений: в свое время именно они создали первую в мире когнитивную систему Watson. В 2011 году Watson дебютировал на одной телевизионной викторине. Несмотря на отсутствие подключения к интернету, Watson одержал победу, выиграв состязание с двумя живыми людьми. Призом был $1 миллион.

«Когнитивные системы имеют возможность обучаться и устанавливать причинно-следственные связи. Вместо того, чтобы быть явно запрограммированными человеком под определенные ситуации, они сами подстраиваются под изменяющуюся окружающую среду и действуют, исходя из набранного опыта», —говорится в статье IBM.

В прошлом году в IBM реализовали сеть, состоящую из 48 миллионов подключений, которая по мощности оказалась примерно равной крысиному мозгу. Ранее в этом году был совершен прорыв в технологии памяти с изменяющимся фазовым состоянием (PCM), она стала значительно быстрее, приблизившись еще на ступень к показателям человеческого мозга.

Важно

Сейчас IBM предпринимает следующий важный шаг — воссоздает на машине когнитивные вычислительные мощности человеческого мозга.

«Данный прорыв станет огромным шагом в развитии электроэффективных, максимально плотно интегрированных нейроморфных технологий, которые будут применяться для всех когнитивных приложений», — заявляют ученые.

Ученые из IBM спроектировали искусственный нейрон из материалов с изменяющимся фазовым состоянием, среди которых германий, теллур и сурьма. Эти материалы поддерживают два состояния: аморфное и кристаллическое. По сути это те же материалы, что сделали возможной технологию хранения данных на оптических дисках.

Искусственные нейроны, основанные на изменении фазового состояния, могут выполнять сложные расчеты и быстро обучаться, используя небольшое количество энергии, как человеческий мозг.

Искусственные нейроны эффективно реагируют на электрические импульсы, мгновенно кристаллизуясь.

Это похоже на то, что в неврологии называют «integrate-and-fire», когда животное моментально реагирует на раздражитель, например, на прикосновение горячего предмета.

Проведены первые операции по трансплантации нейронных сетей

За время своего существования эти нейроны подвергнутся миллионам циклам переключений, что означает годы постоянных обновлений с частотой 100Hz. Обновление каждого нейрона требует менее чем пять пикоджоулей энергии и средней мощности в 120 микроватт.

https://www.youtube.com/watch?v=g4SC142wDao

Все это максимально уменьшит потребляемую энергию и площади, требуемые вычислительным системам. Колонии нейронов со случайным изменением фазового состояния в купе с другими наноустройствами (например, искусственными синапсами) могут стать ключом к новому поколению максимально плотных и мощных нейроморфных вычислительных систем.

Источник: https://hightech.fm/2016/08/09/ibm-brain

Симбиоз мозг — компьютер: первые попытки срастить нейрон с микросхемой

Эта работа является одной из первых попыток совместить живую биологическую культуру с биоподобной нейронной сетью на основе мемристоров.

В 1971 году в статье профессора Калифорнийского университета Леона Чуа (Leon Chua) был впервые упомянут мемристор. Чуа теоретически предсказал наличие еще одного элемента электрических цепей наряду с сопротивлением, индуктивностью и емкостью, назвав его «мемристор».

© Е.Емельянова (НИФТИ ННГУ)

Мемристивный чип в корпусе, размещенный в стандартном контактирующем устройстве (для тестирования параметров мемристивных наноструктур)

Совет

Об этом определении до сих пор спорят, как спорят и насчет фундаментального вопроса: что такое мемристор? Изначально он был придуман как новый элемент электрических цепей, но сейчас многие считают, что мемристор несет в себе определенное расширение функциональных возможностей резистора: мемристор — «резистор с памятью».

В отличие от обычного резистора (сопротивления), который определяет линейную зависимость тока от напряжения, мемристор — нелинейный элемент, сопротивление которого зависит от «предыстории», — например, от того, какой ток через него протекал.

Он как бы «запоминает», что через него пропускали, и его состояние меняется в зависимости от этого. Такое адаптивное поведение мемристора очень схоже с тем, что мы можем встретить в природе, — в частности, в нервной системе, где эту роль играет синапс.

Соответственно, биоподобные мемристорные системы — это системы, для которых базовым элементом является мемристор.

Что касается устройств таких систем, здесь могут существовать разные подходы, и ученые ННГУ предлагают свой вариант.

© ННГУ

Схема совмещения живых нейронов с нейронной сетью на основе мемристоров (ННГУ)

На базе НИФТИ ННГУ и Нижегородского нейронаучного центра разрабатывается адаптивный нейроинтерфейс, в котором, с одной стороны, присутствует живая культура, а с другой — нейронная сеть на основе мемристоров.

Мемристорные нейронные сети будут сопряжены с многоэлектродной системой регистрации и стимуляции биоэлектрической активности культуры нейронов, выполняющей функцию анализа и классификации сетевой динамики живых клеток.

© Е.Емельянова (НИФТИ ННГУ)

Ученые ННГУ и оборудование для формирования мемристивных наноструктур (установка плазменного реактивного травления)

Обратите внимание

В данный момент ученые исследуют возможность построения обратной связи, в рамках которой выходной сигнал с мемристорной сети будет применяться для стимуляции биологической сети — то есть впервые реализуется процесс обучения живой клеточной культуры.

© Е.Емельянова (НИФТИ ННГУ)

Прототип искусственной нейронной сети на основе гибридной аналогово-цифровой электронной схемы и мемристивного чипа

В качестве живой культуры ученые используют искусственно выращенную нейрональную культуру клеток мозга. Но, в принципе, можно также использовать и срез живой ткани.

По сравнению с мировыми конкурентами, ставящими задачу «соединения живого мира и искусственных архитектур» (например, проект RAMP), преимущество проекта ННГУ состоит в том, что квалифицированные специалисты в разных областях — физики и технологии создания мемристивных наноструктур, моделирования нейронных сетей, проектирования электронных схем, нейродинамики и нейробиологии — сосредоточены как территориально, так и организационно в рамках одного университета.

Читайте также:  В сочи пройдет олимпиада роботов

© Е.Емельянова (НИФТИ ННГУ)

Заведующий Лабораторией физики и технологии тонких пленок НИФТИ ННГУ имени Н. И. Лобачевского, кандидат физико-математических наук Алексей Михайлов

Поясняет заведующий Лабораторией физики и технологии тонких пленок НИФТИ ННГУ имени Н. И.

Лобачевского, кандидат физико-математических наук Алексей Михайлов: «Мы пытаемся создать прототип нейронной сети на основе мемристоров, которая по своему внутреннему устройству и функциональности подобна биологической нервной системе.

Благодаря локальности мемристивного эффекта (соответствующие явления происходят в наномасштабе) и использованию современных стандартных технологий микроэлектроники можно будет получить на одном чипе большое количество нейронов и синапсов. Это отдаленная перспектива, к которой мы стремимся.

Важно

То есть на кристалле, на чипе можно «вырастить» человеческий мозг. Пока мы делаем вещи попроще: пытаемся создавать гибридные электронные схемы, в которых какие-то функции реализуются на базе традиционной электроники (транзисторы), а какие-то новые функции, которые трудно реализовать в железе, обеспечиваются на основе мемристоров».

© Е.Емельянова (НИФТИ ННГУ)

Ученые ННГУ в ходе исследования параметров адаптивного отклика мемристивных устройств

Цель проекта — создание компактных электронных устройств на основе мемристоров, воспроизводящих свойство синаптической пластичности и функционирующих в составе биоподобных нейронных сетей в сопряжении с живыми биологическими культурами. Применение гибридных нейросетей на основе мемристоров открывает удивительные перспективы.

Во-первых, мемристор может помочь уместить мощности современных суперкомпьютеров на одном чипе. Во-вторых, можно будет создавать роботов, управляющих искусственно выращенной нейрональной культурой.

В-третьих, такие «мозгоподобные» системы могут использоваться для замещения части живой нервной системы электронной в случае ее повреждения или заболевания.

Источник

Источник: https://www.kramola.info/vesti/novosti/simbioz-mozg-kompyuter-pervye-popytki-srastit-neyron-s-mikroshemoy

Искусственный мозг

Сегодня трудно сказать, кто ближе всех находится на пути создания искусственного интеллекта — именно такую цель преследуют ученые, занимающиеся созданием искусственного мозга. Из разных стран мира последнее время приходят сообщения о разработке искусственных синапсов, представляющих собой цепочки нейронов.

Именно из синапсов с миллиардами связей между ними состоит мозг человека. Мозг — удивительное создание, по своей энергоэффективности в невероятное количество раз превосходящее все зозданные человеком компьютеры.

Для его работы требуется примерно 20 ватт, в то время, как суперкомпьютеры нуждаются в целых электростанциях мегаваттной мощности. И это при том, что возможности мозга человека на многие порядки превосходят все современные творения рук человеческих.

Именно поэтому внимание ученых ведущих научных центров сконцентрировано на создании структуры, которая по своему строению и принципу работы соответствовала бы мозгу.

Конечной целью ученые видят действующий искусственный мозг, который некоторые футуристы надеются использовать для увеличения продолжителльности жизни.

Искусственный мозг – реальность обозримого будущего

Кора головного мозга человека содержит 22 миллиарда нейронов и 220 триллионов синапсов. Даже самые современные компьютеры не способны обрабатывать подобные массивы данных. Однако, по мнению ученых, этот вопрос решится в течение трех лет.

Ускорение мышления привело бы к замедлению происходящего вокруг в сознании людей. Ускорилось бы восприятие, а деятельность, наоборот, казалась бы медленной. То есть секунды в реальности превратились бы в минуты для нашего усовершенствованного мозга. Многих проблем в чрезвычайных ситуациях это позволило бы избежать.

Искусственный мозг позволил бы ощутимо расширить возможности человека: можно было бы говорить на иностранных языках, не изучая их, вести дискуссии на незнакомые темы, иметь фотографическую память, не говоря уже об управлении техникой силой мысли.

Совет

Дальнейшее развитие технологий приведет к тому, что люди смогут не бояться несчастных случаев. По данным, сохраненным в искусственном мозге, можно будет полностью восстановить каждый орган физического тела.

То есть после автокатастрофы человек просто проснулся бы, не зная, что умирал. При остановке сердца биологический мозг погибает через несколько минут.

Искусственный же просто «выключился» бы в ожидании источника питания.

По прогнозам экспертов, все эти фантастические перспективы вполне осуществимы уже к 2050 году. Опасения по поводу превращения в киборгов и потери человечности можно разделять или нет. Ученые говорят, что это неизбежность.

В качестве аргументов в пользу искусственного мозга и клонирования тела человека в неограниченных количествах приводятся уже реальные положительные примеры современности: очки, титановые пластины, вставные зубы и т. д.

Создана миниатюрная нейронная модель мозга

Исследователи из Университета Брауна придумали способ создания мини-мозга – 3D-модели настоящего мозга из нервной ткани с функционирующими синапсами. передающими электрические сигналы. Такого рода модели могут быть использованы в дальнейшем для неврологических исследований.

Разумеется, данный прототип мозга не способен думать, однако он больше похож на настоящие клетки и структуры, нежели ранее культивированные двумерные ткани, а также больше подходит для научно-исследовательских целей из-за некоторых свойств, схожих с реальными органами. Например, несколько типов клеток мини-мозга способны образовывать синапсы, или электрические соединения, друг с другом.

Диаметр созданного мини-мозга – всего треть миллиметра, но форма и плотность аналогичны мозгу грызуна. Он не требует использования микроэлектроники или искусственного коллагенового каркаса, как предыдущие модели, однако при этом способен формировать молекулы, секретируемые клетками.

Мини-мозг был выращен из крохотных частичек мозга лабораторной мыши, полученных в ходе биопсии. Затем методом центрифугирования клетки очистили, изолировали необходимые и высеяли их на желеобразную форму.

Последняя была разработана стартапом одного из разработчиков мини-мозга Джеффри Моргана — компанией MicroTissues Inc.. Через несколько дней клетки образовали сферу, которая затем развила небольшую нейросеть: на это потребовалось примерно две-три недели.

Первоначально глава исследования Диана Хоффман-Ким разработала эту методику создания тестовой модели для своей лаборатории, дабы обеспечить платформу для тестирования трансплантации нервных клеток .

Однако теперь разработчики хотят увеличить количество производимых «органов» и полагают, что данная технология может сократить необходимость использования животных в нейронаучных экспериментах. Разработчики сообщают, что один такой мини-мозг стоит всего 25 центов. А значит, он может стать доступной моделью практически для любой лаборатории мира.

Ученые создали искусственный мозг крысы

Нейрофизиологи и программисты из Федеральной политехнической школы Швейцарии в Лозанне смогли создать цифровой аналог участка мозга молодой крысы объемом около 0,29 кубических миллиметра, состоящий из 31 тысячи нейронов. Над кибермозгом участники проекта Blue Brain работали 10 лет.

По словам лидера группы исследователей Генри Маркрэма, ученым пришлось шаг за шагом изучать то, какими свойствами обладают нейроны каждого типа, как каждый из них связан с соседними клетками и какими сигналами они обмениваются.

Для этого разрабатывались специальные алгоритмы, имитирующие работу настоящих нервных клеток со всеми химическими процессами и реакциями внутри них.

— Создание этого мозга открывает дорогу для предсказания того, где расположены все 40 миллионов синапсов, как они соединяются друг с другом и даже того, как много ионов они посылают друг другу, — заявил Генри Маркрэм.

Обратите внимание

Эмуляция работы даже такого небольшого участка мозга потребовала всех ресурсов суперкомпьютера Blue Gene, чья производительность составляет около 209 терафлопс.

Помимо определения системы сложных связей между нейронами, ученые сделали и несколько любопытных открытий.

Выяснилось, что колебания в концентрации конкретных веществ могут вызывать масштабные перестройки в работе мозга, которые невозможно предсказать по тому, как эти сигналы влияют на индивидуальные нервные клетки.

В качестве примера Генри Маркрэм привел страх: адреналиновый взрыв способен вызвать как агрессию, так и желание спастись бегством.

Работы над проектом по созданию искусственного мозга начались в 2005 году с целью воссоздать мозг млекопитающих. Важно отметить, что информация по проекту «Голубой мозг» фактически засекречена.

Тот факт, что ученым из Лозанны удалось успешно смоделировать мозг крысы, был известен еще в далеком 2009 году, после чего освещение проекта фактически прекратилось. Известо лишь, что к 2021 году учеными планировалось создать действующую модель мозга человека.

К этому моменту ожидается появление соответствующих компьютеров.

Искусственный мозг уже реальность?

Итак, на пороге создания искусственного мозга стоят инженеры из Уэтерби. На данном этапе их работы создан искусственный синапс. Подобные искусственные синапсы во многом способны функционировать как биологические нейроны в живых системах.

До создания искусственного мозга учёным пока ещё далеко, однако создание синапса открывает дорогу к массе интересных открытий. Над созданием искусственного мозга бьётся команда целого исследовательского центра из Массачусетса. Перед исследователями стоит фундаментальный вопрос: что такое интеллект и что его рождает.

Ответив на него, учёные найдут способ оснастить машины искусственным интеллектом.

По самым оптимистичным прогнозам, создание разума машины будет завершено уже в 2020 году. Если технология искусственного интеллекта и дальше будет развиваться, возможности мозга машины превзойдут даже человеческие.

 Пока что биологические системы совершеннее, чем могут собрать инженеры.

Важно

У человека в коре головного мозга находится более 20 миллиардов нейронов; вся эта нейронная сеть обменивается такими объёмами данных, которые ни один из существующих ныне компьютеров не способен обрабатывать.

Наноинженер Джон Берч утверждает, что в будущем станет возможным трансплантировать в мозг искусственные наноматериалы вместо клеток. Искусственный мозг будет обрабатывать данные быстрее, и, соответственно, быстрее мыслить.

Ускорение передач сигналов в мозгу приведёт к изменению восприятия окружающих событий, так что секунда времени растянется на целую минуту.

Ускоренное восприятие поможет избегать неприятности, связанные с экстремальными ситуациями.

Искусственный мозг, как было сказано выше, теоретически может дать человеческому роду физическое бессмертие. Ведь с развитием технологий трансплантации, мозг можно перенести в другое тело, не повредив данные, хранящиеся в нём. Искусственный мозг не умрёт от недостатка кислорода.

С таким мозгом люди перестали бы бояться смерти как таковой. Даже если с телом что-то случится, искусственный мозг можно сохранить и подсоединить к другому источнику, словно голову профессора Доуэля.

Однако получение бессмертия таким способом может превратить жизнь на Земле в ад, поскольку данные технологии в первую очередь станут доступны замым мрачным личностям, имеющим большие средства, но увы, поглощенные злом.

Не следует забывать, что Бог не просто так лишил бессмертия Адама и Еву — таким образом зло в человечестве было ограничено, а человек получал сильный мотив для покаяния и исправления. 

Источники: ufo-mir.ru, www.qwrt.ru, www.opentown.org, rg.ru, krosswordscanword.ru, interestingfact.ucoz.com

Источник: http://objective-news.ru/virtualnaya-realnost/iskusstvennyj-mozg.html

Искусственные нейроны научились обмениваться информацией быстрее настоящих

Секрет скорости новых имитаторов нервных клеток — в их устройстве и в материалах, из которых они сделаны.

Исследователи из Колорадского университета в Боулдере создали вычислительные элементы, имитирующие нервные клетки, так, что они стали передавать данные быстрее настоящих нейронов. Такие элементы позволят задействовать меньше мощности при использовании нейросетей. Научная статья опубликована в журнале Science Advances.

Операции, идущие по принципу работы нервных клеток, широко используют уже несколько лет. Но, как правило, они требуют серьезных вычислительных мощностей.

Дело в том, что «традиционные» компьютеры передают информацию через одинаковые интервалы и фрагментами постоянного заданного размера — с помощью нулей и единиц.

Нервные клетки способны накапливать информацию из множества источников (соседних клеток) и передавать ее по мере надобности, то есть промежутки между сигналами у них нерегулярные. Объем переносимых конкретным нейроном данных тоже может варьировать.

Совет

В обычных компьютерах используются транзисторы. Информация передается от одного транзистора к другому. Между транзисторами есть промежутки с низкой проводимостью, тормозящие процесс обмена данными. Из-за несовпадения механизмов передачи информации имеющимся компьютерам требуется много энергии, чтобы выполнить сравнительно простые операции «нейронным способом».

Чтобы ускорить передачу данных, авторы описываемой статьи создали сверхпроводящие электроды — «нейроны» с использованием ниобия. Электрический ток, идущий через них, не встречает практически никакого сопротивления.

Промежутки между электродами заполнили марганцем, обладающим магнитными свойствами.

Силу магнитного поля, создаваемого марганцем, можно регулировать и таким образом изменять значимость связи между искусственными нейронами.

Подобный процесс происходит и в головном мозге во время обучения, при запоминании и забывании информации. Также искусственные ниобиевые нейроны способны менять направление передачи данных в зависимости от параметров описанного выше магнитного поля.

Созданные американскими учеными «нейроны» могут передавать до миллиарда сигналов в секунду — на порядки больше, чем настоящие (они способны давать лишь несколько сотен импульсов в секунду). При этом, по расчетам разработчиков, они тратят гораздо меньше энергии.

На основе ниобиевых вычислительных элементов можно будет создавать компьютеры с механизмом работы, максимально приближенным к таковому у «живой» нервной системы.

Однако до этого предстоит определить, как будет вести себя система хотя бы из тысяч новых электродов, а пока этого не сделано.

[Иллюстрация: CNRI/SPL]

Источник: https://scientificrussia.ru/articles/iskusstvennye-nejrony-nauchilis-obmenivatsya-informatsiej-bystree-nastoyashchih

Магнитные переходы Джозефсона могут помочь создать искусственный мозг | Блоги | Компьютерное Обозрение

Новая форма искусственного синапса, основанная на сверхпроводящих джозефсоновских переходах и магнитных нанокластерах, работает так же, как и его естественный аналог, и может использоваться для подключения процессоров и хранения воспоминаний в будущих компьютерах, похожих на мозг. Устройство не только намного более эффективно, чем его биологический аналог с точки зрения потребляемой им энергии, но и намного быстрее.

Читайте также:  Теперь робота можно будет приобрести в супермаркете

Нейроморфные вычисления предназначены для имитации нейронной системы на физическом уровне нейронов и синапсов (которые являются связями между нейронами) и будут основываться на нейроноподобных сетях, а не на рядах двоичных 1 и 0.

Они демонстрируют большие перспективы и могут значительно повысить эффективность некоторых вычислительных задач, таких как восприятие, принятие решений и изучение языка.

Обратите внимание

Они также смогут более легко обрабатывать огромные массивы данных, которые в настоящее время генерируются во всем мире (большие данные), и поддерживать новые технологии, такие как ИИ и IoT, благодаря тому, что является массово параллельными.

Чтобы создать это новое поколение машин, исследователи заняты разработкой подходящих пластиковых синапсоподобных устройств — не в последнюю очередь потому, что синапсы в человеческом мозге превосходят по количеству нейроны на несколько порядков. И хотя прогресс идет довольно быстро, большинство устройств все еще не столь энергоэффективны, как человеческий мозг.

Исследователи во главе с Майклом Шнайдером (Michael Schneider) из NIST сделали синапсы с использованием стандартных технологий изготовления, заимствованных из цифровых вычислений на основе перехода Джозефсона и магнитных запоминающих устройств с произвольным доступом.

Джозефсоновские переходы состоят из двух слоев сверхпроводящих материалов с изолятором из наноразмерных кластеров марганца в кремниевой матрице между ними.

Когда идет электрический ток через электроды на устройстве (сделанные из ниобия), и этот ток превышает критический уровень, возникают всплески напряжения.

Нейрон также работает таким образом — генерирует потенциалы действия, которые распространяются вдоль аксона. Эти потенциалы действия передаются через переход к следующему нейрону, и чем больше возбуждается нейронов, тем сильнее связь. И настоящие, и искусственные синапсы могут таким образом поддерживать старые цепи и создавать новые, объясняет Шнайдер.

Нанокластеры в искусственном синапсе представляют собой стержневые магниты со спинами, которые могут быть ориентированы либо случайным образом, либо скоординированным образом. Исследователи говорят, что они могут управлять количеством нанокластеров, в которых спины ориентируются в одном направлении, что влияет на сверхпроводящие свойства джозефсоновского перехода.

«Синапс остается в сверхпроводящем состоянии за исключением случаев, когда мы активируем его, прикладывая импульсы тока в магнитном поле, упорядочивающим спины нанокластера, — объясняет Шнайдер. — Затем он начинает создавать всплески напряжения».

Исследователи также могут прикладывать электрические импульсы без магнитного поля для уменьшения магнитного упорядочения и увеличения критического тока.

«Эта конструкция, в которой различные входы изменяют ориентации спинов и результирующие выходные сигналы, аналогична синапсам в мозге, — говорит Шнайдер.

— Однако эти искусственные синапсы на самом деле лучше, чем их биологические аналоги, поскольку они могут возбуждаться намного быстрее — 1 ГГц по сравнению с частотой клеток мозга 50 Гц, используя только одну десятитысячную долю энергии.

Важно

Пиковая энергия на самом деле меньше 1 аттоджуля, и мы не знаем другого искусственного синапса, который потребляет меньше энергии. Хотя исследователи делали и раньше сверхпроводящие устройства, которые имитируют клетки мозга, эффективные синапсы, такие как наши, отсутствовали».

Синапсы можно укладывать в трехмерные структуры, чтобы их можно было использовать для создания больших систем для нейроморфных вычислительных цепей. Согласно симуляциям исследователей NIST, эти системы будут передавать электроэнергию без сопротивления, а данные в них будут передаваться и обрабатываться в единицах магнитного потока.

Тем не менее, это не все. До сих пор исследователи говорят, что им удалось создать десятки этих устройств, и им нужно сделать миллионы (или даже больше), чтобы действительно достичь результата, на который они надеются.

«Итак, хотя здесь много обещаний, нам еще предстоит пройти долгий путь по масштабированию этих синапсов до полезных схем, — сказал Шнайдер.

— Наши следующие шаги состоят в том, чтобы построить небольшие цепи, а затем идти дальше».

Искусственный нейрон NIST

Источник: https://ko.com.ua/magnitnye_perehody_dzhozefsona_mogut_pomoch_sdelat_iskusstvennyj_mozg_125568

Секрет сильного искусственного интеллекта следует искать в мозге человека

Алгоритмы искусственного интеллекта, такие как глубокое обучение и сверточные нейронные сети, значительно помогли в распознавании изображений, создании беспилотных автомобилей и решении других сложных задач. Многочисленные AI-компании пытаются оседлать эту волну инвестиций и приобретения стартапов.

Но ведущие исследователи понимают, что все не так гладко. Несмотря на впечатляющий прогресс, существующие методы искусственного интеллекта ограничены. Например, сети глубокого обучения обычно требуют миллионов обучающих примеров для корректной работы, в то время как человек может изучить что-то новое гораздо проще.

Это ограничивает применение сетей глубокого обучения. Хотя их средняя точность высока, они могут допускать ужасные ошибки. Например, небольшое изменение изображения может привести к тому, что ИИ-система примет зубную щетку за бейсбольную биту. В некоторых случаях это может привести к катастрофе, травмам и смертям.

Из-за этих и других ограничений лидеры области считают, что нужен другой подход.

Джофф Хинтон, один из самых выдающихся AI-специалистов, недавно сказал, что нам нужно начать все заново, так как он “очень подозрительно” относится к существующим методам: “Я считаю, что нам нужно всё выбросить и начать с начала”.

Франсуа Шолле, ведущий практик сетей глубокого обучения, сказал: “Вы не можете достичь сильного интеллекта при помощи масштабирования существующих техник”.

Шолле предполагает, что глубокое обучение по своей сути является ограниченным, в отличие от человеческого мышления. В самом деле, человеческий мозг удивительно гибок.

Люди не только водят автомобили, мы строим небоскребы, управляем фермами и программируем компьютеры.

Совет

Даже наша способность поднимать простые объекты, например, кружки с кофе, и манипулировать ими сильно превосходит способности любого искусственного интеллекта.

Каждый из нас имеет сотни сложных навыков, которые мы смешиваем и используем. Системы глубокого обучения хорошо работают только на небольшом наборе задач, и они могут делать одну вещь за раз.

Их нужно переобучать для каждого нового задания. Люди — это обучающиеся организмы общего применения, а ИИ-системы — нет.

Превзойти существующие ограничения ИИ можно, приспособив системы под более общие цели.

Недавно ученые, работающие с искусственным интеллектом, обратились за вдохновением к мозгу. Демис Хассибис, сооснователь DeepMind, сказал: “Человеческий мозг — это единственное существующее доказательство того, что общий тип интеллекта, который мы пытаемся создать, возможен, поэтому мы считаем, что стоит попытаться понять, как достичь этих возможностей”.

Я согласен. Я изучаю мозг более тридцати лет. В 2004 я написал книгу On Intelligence, которая предполагала, что изучение мозга пригодится для создания ИИ.

И в 2005 я стал сооснователем Numenta, компании по реверсинжинирингу коры головного мозга, самой большой его части, которая чаще всего ассоциируется с интеллектом.

Мы хотим понять, как клетки в голове работают вместе, создавая восприятие и поведение.

Существуют некоторые сходства между работой мозга и текущих методик искусственного интеллекта, значит, ИИ сейчас находится на верном пути. Но существуют и значительные различия. Мозг не только имеет больше способностей, но и его физическая структура более сложна, чем искусственные нейронные сети.

Исследования Numenta раскрыли несколько важных принципов, которые использует мозг и которые придется освоить искусственному интеллекту. Например, у каждого нейрона в мозге есть тысячи синапсов (связей между нейронами).

Предназначение многих из синапсов остается загадкой. Мы открыли, что нейроны используют большую часть синапсов, чтобы делать прогнозы. Эти предсказания появляются в клетках и играют решающую роль в наших ожиданиях от будущего.

Обратите внимание

Искусственные нейроны не имеют этой функции и не могут делать такие прогнозы. Мы также обнаружили, почему обучение мозга достигается по большей части при помощи формирования новых синапсов.

Это более мощная форма обучения, чем изменение существующих связей, которое происходит в глубоком обучении. Это объясняет, почему мы узнаем новые вещи быстрее.

Хотя у нас есть и другие открытия, я хочу поделиться последним и самым важным из них. Мы изучали, как мы распознаем объекты при прикосновении.

Мы обнаружили новое качество коры мозга, которое связано не только с осязанием, но и со зрением и всеми остальными функциями коры. Иногда я называю это свойство “пропавшим ингредиентом” или “секретом сильного ИИ”.

Мы недавно опубликовали статью об этом открытии, здесь я приведу его вкратце.

Посмотрите на эту картинку. Очевидно, это кружка. Но, конечно, на самом деле это не кружка, а набор линий на плоской поверхности. Нам сложно увидеть эти линии в плоскости, а не как трехмерный объект. Распространенное убеждение среди нейробиологов гласит, что кора воспринимает изображение от глаз и шаг за шагом она выделяет всё больше свойств, пока не сможет распознать предмет.

Так работают сети глубокого обучения. Этот процесс называется распознаванием паттернов, и нейронные сети хороши в этом. После обучения на многих изображениях они могут взять новую картинку и сказать, что на ней показано. Но они не могут понять, какой объект скрывается за ярлыком.

Напротив, когда вы видите изображение, вы сразу воспринимаете его трехмерную форму. Вы можете представить, как предмет выглядит с разных углов и каков он на ощупь, и понять, что он может содержать жидкость.

Сеть глубокого обучения хорошо определяет изображение, не понимая, что на нем находится, а кора головного мозга понимает структуру объекта и его поведение.

Важно

До недавнего времени никто не понимал, как кора головного мозга трансформирует плоское изображение в ментальную репрезентацию настоящего объекта. Мы поняли, как это происходит.

Мы обнаружили, что все входные данные для коры связываются с сигналом, представляющим “локацию”.

Когда вы смотрите на изображение кружки, для каждой части картинки и каждого отрезка линии назначается локация, связанная с реальной трехмерной кружкой. Похожим образом компьютеры создают CAD-модели объектов.

Наша теория объясняет, почему вы воспринимаете кружку в трех измерениях и почему вы можете представить, как бы она выглядела с разных сторон.

Это также объясняет, почему ваше восприятие кружки является стабильным, хотя ваш взгляд перемещается и останавливается на разных частях изображения.

Если для входных данных назначены правильные локации кружки, то неважно, как вы смотрите на изображение.

Мы изучаем применение этого открытия и считаем, что оно может раскрыть многие загадки работы мозга. Хотя мы вывели это свойство, изучая осязание и зрение, нейронные структуры, которые определяют локации для сигналов существуют в каждой части коры.

Можно предположить, что обработка любых данных в коре головного мозга связана с локациями, хотя эти локации не всегда соотносятся с физическими объектами в мире. Это значит, что мы управляем абстрактными концепциями с помощью тех же механизмов, что используем для физических объектов.

Совет

Конечно, управление концепциями является ключевой функцией интеллекта общей направленности.

Уже десятилетиями ведутся споры о том, насколько ИИ должен имитировать мозг. Недавний успех глубокого обучения, которое почти не связано с мозгом, укрепил аргумент о том, что ИИ может развиваться без нейробиологии.

Но этот успех показал пределы глубокого обучения и сделал очевидной потребность в новых подходах. Мозг — это очевидное место для поиска новых идей.

Как недавно сказал Джефф Безос: “Люди фундаментально отличаются от того, что мы сегодня делаем с машинным обучением и машинным интеллектом”.

Когда мы работаем над созданием искусственного интеллекта общего назначения, мы не должны имитировать всё, что делает мозг. Но некоторые принципы нельзя игнорировать, они лежат в основе любой системы, которая служит для интеллекта общего назначения.

Мы уже открыли несколько принципов в ходе своих исследований, и я считаю, что наше последнее открытие окажется самым важным. Оно полностью меняет наше представление об обработке сенсорных сигналов в мозге и о том, как мозг представляет знание о мире.

Я надеюсь, что когда больше людей, работающих с ИИ, осознает пределы существующих методов, они поймут, что создание сильного искусственного интеллекта будет идти от нейробиологии. Интеграция этих открытий в ИИ может занять несколько лет, но мне сейчас абсолютно понятно, как это сделать.

Если вы нашли опечатку — выделите ее и нажмите Ctrl + Enter! Для связи с нами вы можете использовать info@apptractor.ru.

Источник: https://apptractor.ru/info/articles/sekret-silnogo-iskusstvennogo-intellekta-sleduet-iskat-v-mozge-cheloveka.html

Ссылка на основную публикацию